http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
대면적 윈드쉴드 형 헤드 업 디스플레이와 차량용 멀티모달 NUI 인터페이스
김명섭(Myeongseop Kim),여도현(Dohyeon Yeo),김원(Won Kim),이지은(Jieun Lee),조경원(Kyungwon Cho),김승준(SeungJun Kim) 한국HCI학회 2019 한국HCI학회 학술대회 Vol.2019 No.2
NUI (Naturalistic User Interface) 기술의 발전으로, 차량을 위한 중앙 터치 콘솔, 음성인식, 에어 제스처 등을 조합한 새로운 운전자 인터페이스를 개발하고 사용자 경험을 향상하기 위한 인터랙션 연구가 진행되고 있다. 운전 작업을 진행중에도 사용할 수 있는 인포테인먼트 기기가 다양해지고 이로 인한 산만운전 이슈가 심화됨에 따라, 본 연구는 기존의 중앙 터치 콘솔 시스템의 단점을 해결하고 음성 명령과 핸들 기반 터치 제스처를 융합한 멀티모달 NUI 인터랙션을 지원하는 운전자 인터페이스를 제시하고자 한다. 본 연구에서는 모션 플랫폼을 포함한 가상의 주행 시뮬레이션 테스트베드를 구축하였고 NASA-TLX 와 CSUQ (Computer System Usability Questionnaire)를 사용하여 피실험자의 작업 워크로드와 경험적 사용성을 평가했다. 그 결과, 차량 윈드쉴드 형 대면적 헤드 업 디스플레이와 연계하여 핸들기반 터치 제스처 명령과 음성 명령을 조합한 멀티모달 NUI 인터페이스가 기존의 터치 스크린 기반중앙 콘솔 보다 통계적으로 유의하게 운전자 워크로드를 감소시키고 운전 효율을 향상함을 보였다.
김명섭(MyeongSeop Kim),김정수(Jung-Su Kim) 대한전기학회 2021 전기학회논문지 Vol.70 No.3
Sparse reward environment is the main problems encountered by reinforcement learning. When there are many specific tasks that the agent must go through to reach the final goal, the reward signal becomes very sparse in the environment. And this situation makes reinforcement learning less effective. To overcome this, we give the agent an intrinsic reward to induce the agent to explore more. With this reward setting, the agent can continue to search for reward signal and learn another action that is better than the best action which is currently known. In this paper, we describe the implementation of the proposed method and estimate its performance. For the learning algorithm, we use Proximal Policy Optimization(PPO) and train the agent in a distributed environment. The agent is trained to solve the game of Tetris that is a representative sparse reward problem.
자율주행상황에서 주행 정보 메시지 제공 시 모달리티와 메시지 타입 조합에 따른 운전자 태도 연구
김원(Won Kim),조경원(Kyungwon Cho),김명섭(Myeongseop Kim),여도현(Dohyeon Yeo),이지은(Jieun Lee),김승준(Seungjun Kim) 한국HCI학회 2019 한국HCI학회 학술대회 Vol.2019 No.2
본 연구는 자율주행자동차의 동작 결정에 대한 인텔리저빌리티(Intelligibility) 향상을 위하여 차량동작에 대한 ‘Why’ 메시지 (“전방에 공사현장입니다.”)와 ‘How’ 메시지 (“주행속도를 줄입니다.”)를 운전자에게 전달할 때 시각적 모달리티와 청각적 모달리티의 조합이 운전자의 태도에 미치는 영향을 다룬다. 임박한 차량 동작의 사유에 대한 ‘Why’ 메시지가 청각적으로 제공되는 전제 하에 차량의 자동감속 상황에 대한 4 가지 모달리티 조합을 비교하였다. 리커트 척도를 통해 운전자의 태도와 전체적인 선호도를 설문했으며, 운전자의 시선 추적을 통해 AR HUD 메시지와 전방 도로 응시 지속시간과 횟수를 측정하였다. 그 결과, 실험 조건인 4 가지 모달리티 조합중 "How" 메시지를 시각적 + 청각적 모달리티로 제공하는 것이 운전자의 감정과 차량 신뢰도를 포함한 운전자의 태도에 가장 긍정적으로 작용함을 발견했다.